- OLAP unterstützt Unternehmen dabei, aggregierte, mehrdimensionale Daten schnell zu analysieren, wenn für die Planung und Entscheidungsfindung rasche Antworten benötigt werden.
- OLAP-Cubes können Daten über verschiedene Dimensionen wie Produkt und Zeit hinweg vorab aggregieren, wodurch Drilldown-Analysen schneller durchgeführt werden können als bei herkömmlichen relationalen Abfragen.
- Open iT Analysis Server nutzt Business-Intelligence-Funktionen im OLAP-Stil, um IT-Managern dabei zu helfen, die Lizenznutzung und Fragen zum Software-Bestand effizient zu analysieren.
Ein Analyst, der eine flache relationale Abfrage ausführt, wartet 90 Sekunden, bis ein mehrdimensionaler Rollup abgeschlossen ist, und dann weitere 90 Sekunden, um in den tatsächlich relevanten Ausschnitt einzutauchen. Bei der dritten Iteration ist die Frage bereits wieder ein anderes Thema. OLAP ändert diese Dynamik, indem es Daten über Dimensionen wie Produkt und Zeit hinweg vorab aggregiert und so Drilldowns zu Vorgängen im Subsekundenbereich macht, anstatt vollständige Tabellenscans durchzuführen. Open iT Analysis Server wendet dieselbe OLAP-basierte Business Intelligence auf Fragen zur Lizenznutzung und zum Software-Asset-Management an und liefert IT-Managern schnelle Antworten auf Planungs- und Optimierungsfragen, deren Wert mit zunehmender Berechnungsdauer abnimmt.
Business Intelligence, die auf der Analyse aggregierter Daten beruht, ist heute eines der wichtigsten Themen in der Geschäftswelt. Immer mehr Unternehmen entdecken, wie wichtig es ist, die verschiedenen Daten, die in den Geschäftsprozessen vorhanden sind, zu sammeln, zu speichern und zu analysieren, um Wettbewerbsvorteile zu erzielen. Bei der Vielzahl an Business-Intelligence-Technologien, die für eine effektive Datenanalyse zur Verfügung stehen, ist es wichtig, das richtige Tool auszuwählen, das schnelle und genaue Ergebnisse liefert. Dieser Artikel konzentriert sich auf ein Tool, das nachweislich diese Ergebnisse liefert: OLAP.
Online Analytical Processing (OLAP) ist eine Datenbankstruktur, die für die schnelle Darstellung mehrdimensionaler Daten optimiert ist. OLAP-Datenbanken werden oft als„Cubes“ bezeichnet, was eine anschauliche Vorstellung von mehrdimensionalen Daten vermittelt. Vereinfacht ausgedrückt ist ein OLAP-Cube so etwas wie eine dreidimensionale Tabellenkalkulation, obwohl OLAP mehr als drei Dimensionen verarbeiten kann. OLAP-Datenbanken werden in der Regel in speziell entwickelten relationalen Datenbanken implementiert, die darauf optimiert sind, Abfragen schnell zu beantworten. OLAP-Datenbanken können flache Dateidatenbanken und typische oder transaktionale relationale Datenbanken deutlich übertreffen, wenn es darum geht, schnelle Antworten auf mehrdimensionale Abfragen zu liefern.
Aber wie funktioniert das bei OLAP eigentlich? Vergleichen wir einmal eine herkömmliche relationale Datenbank mit OLAP. Um dies zu veranschaulichen, hier eine mögliche Frage, auf die IT-Manager, die für die Verwaltung und Optimierung von Software-Assets zuständig sind, vielleicht eine Antwort suchen:
Wie hoch ist die maximale Lizenznutzung für ein bestimmtes Produkt innerhalb eines bestimmten Jahres?
Stellen Sie sich nun vor, der IT-Manager hat eine sehr große Datenbank mit historischen Nutzungsdaten. Um diese Frage mit einer herkömmlichen relationalen Datenbank zu beantworten, müssen Sie die Informationen aus verschiedenen Tabellen abrufen. Sie kombinieren alle Daten und führen eine Abfrage durch, um die benötigten Informationen zu extrahieren.
Bei komplexen Abfragen kann dies ein langsamer Prozess sein. Was passiert, wenn der IT-Manager diese Informationen weiter aufschlüsseln möchte? Zum Beispiel möchte er oder sie jetzt wissen:
Wie hoch ist die maximale Lizenznutzung für eine bestimmte Funktion des Produkts innerhalb eines bestimmten Monats an einem bestimmten Standort?
Der IT-Manager müsste dann die Abfrage erneut durchführen. Die Anwendung dieser Filter würde einen ohnehin schon langsamen Prozess weiter verlangsamen, was für ein Unternehmen, das schnell Informationen benötigt, keine Option ist.
Wenn der schnelle Datenabruf bei der Planung, Problemlösung und Entscheidungsunterstützung im Vordergrund steht, können Unternehmen multidimensionale Werkzeuge wie OLAP nutzen. Bei OLAP werden die gespeicherten Daten vorab aggregiert, wodurch selbst bei großen Datenmengen sofort Ergebnisse geliefert werden können. Würfel können viele Dimensionen aufweisen, die zur Aggregation, Aufschlüsselung und Analyse der Daten verwendet werden können. Darüber hinaus lassen sich die Dimensionen weiter in Hierarchien unterteilen, die direkt innerhalb des Würfels aufgebaut werden.
Die obige Abbildung veranschaulicht den OLAP-Ansatz zur Beantwortung unserer ersten Frage. Zwei der Dimensionen unseres Cubes sind „Produkt“ und „Zeit“. Durch die Voraggregation dieser Dimensionen können wir die benötigten Informationen sofort abrufen. Der hervorgehobene Bereich zeigt die maximale Lizenznutzung von Produkt C für das Jahr 2014.
Eine weitere Dimension, die wir unserem OLAP-Cube hinzufügen können, ist„Standort“.
Dies veranschaulicht, wie OLAP mehrdimensionale Analysen durchführt. In diesem Beispiel aggregiert der OLAP-Cube die Dimension „Standort“ vorab mit den Dimensionen „Produkt“ und „Zeit“. Der hervorgehobene Bereich zeigt die maximale Lizenznutzung von Produkt C für das Jahr 2014, diesmal jedoch nur für Nordamerika.
Und anhand dieser Daten können wir unsere Informationen mithilfe von Hierarchien sofort aufschlüsseln. Diese Abbildung zeigt die maximale Lizenznutzung von Feature 2 - Produkt C für Februar 2014 in Nordamerika.
Bei der Erstellung eines Cubes konzentriert man sich darauf, Antworten auf eine kleine Anzahl von Fragen zu liefern, die grundlegende geschäftliche Anforderungen betreffen. Ein Cube, der auf einer gut durchdachten Vorabzuordnung der Daten basiert, beantwortet diese Fragen einfach und schnell. Genau das leistet OLAP. Es ermöglicht eine effiziente Auswertung von Geschäftsdaten – ein eindeutig überzeugender Grund, Business-Intelligence-Tools in Betracht zu ziehen, die OLAP nutzen, wie beispielsweise den Open iT Analysis Server.
The Analysis Server is an advanced software asset management tool addressing the needs of individuals tasked with managing complex and expensive software asset portfolios. Along with Open iT modules, the Analysis Server can provide rich reports on the many facets of <software asset management (SAM), such as license usage, application, server and storage usage, in a fast and efficient way.
